数据可视化中的维度、数量表示与视觉搜索

### 数据可视化中的维度、数量表示与视觉搜索 #### 1. 积分 - 可分维度对 在数据可视化中，积分维度和可分维度是重要的概念。之前的分析常将它们视为性质截然不同的两类，但实际上，积分 - 可分性是一个连续体。即使是最可分的维度对，不同通道呈现的不同数据值之间也总会存在一些干扰；而最具积分性的维度对，在一定程度上也可以进行分析。 例如，我们能感知颜色中红色和黄色的程度，像橙色或粉色。图 5.23 列出了按积分 - 可分连续体排列的显示维度对，顶部是最具积分性的维度，底部是最可分的维度。不过，由于证据不足，有些显示维度未在图中呈现，比如立体深度，它很可能与其他维度相当可分，尤其是在只涉及两个深度层时。 |维度对类型|示例| | ---- | ---- | |积分维度对|红 - 绿、黄 - 蓝、x - 大小、y - 大小、方向等| |可分维度对|形状、大小、方向、颜色、运动、组、位置等| 作为理论概念，积分和可分维度的概念无疑过于简单，它缺乏机制，也无法解释大量实验中发现的例外和不对称情况。而且，它本质上与通道理论表达的是同一回事，而通道理论有坚实的神经心理学基础。但积分 - 可分区分的美妙之处在于其作为设计指南的简单性。 #### 2. 表示数量 一些视觉属性会持续增加，如大小、亮度或离地面的高度，这些被称为单调属性；而有些视觉属性则不是单调的，如方向，说一个方向比另一个方向大或小是没有意义的。同样，两个振荡物体之间的相位角也是循环的，就像线的方向一样，色相也缺乏自然顺序。 单调显示变量如果具有与递增价值相关的属性，就能自然地表达诸如大于或小于的关系。例如，在三维数据空间中，向上的方向由重力定义，用向上表示某个变量的更大数量很容易被解读，但左右方向的价值就不那么明确。 在设计一组用于表示数量的符号时，将数据映射到以下符号属性是有效的：大小、（在深色背景上的）亮度、（在浅色背景上的）暗度、颜色的鲜艳度（更高的饱和度）或显示中的垂直位置。 如果将数据变量映射到长度、面积、体积或亮度等视觉属性，我们应该能够一眼判断相对数量，但不太准确。由于之前讨论的同时对比效应，灰度特别容易出错。判断长度和面积也会受到对比效应的影响，但影响较小。一般来说，判断长度比判断面积更准确，尤其是当人们需要判断不同形状的相对面积时。 研究表明，感知的体积判断得很差，Ekman 和 Junge（1961）的研究发现，感知的体积与实际体积的 0.75 次方成正比，这表明受试者实际上是用面积而不是体积来进行判断。使用面积而不是长度的优势在于，面积能够传达更大的变化。 理想情况下，应使用符号的长度、高度或垂直位置来表示数量。如果值的范围很大，可以考虑使用符号面积作为替代，但绝不要使用三维符号的体积来表示数量。 #### 3. 表示绝对数量 可视化主要是为了看到数据中的模式，这意味着判断一个特定变量相对于另一个变量是大还是小才是关键，而不是读取绝对数量。通常，使用颜色、大小或亮度等简单图形变量只能可靠地读取三到五个不同的值，这意味着使用简单映射的符号不适合呈现需要从显示中读取值的数据。 解决表示数量问题有几种方法： - **添加数字或数值刻度**：但如果处理不当，数字会增加视觉噪音，掩盖数据中的重要模式。 - **创建通过形状传达数值的符号**：最著名的例子是气象学中广泛使用的风羽，风羽的杆代表风向，“羽毛”编码风速，熟悉该代码的人可以精确到 5 节读取风速。然而，风羽存在感知问题，羽毛会极大地干扰对风向的感知，因此在显示风的模式方面效果很差。 #### 4. 多维离散数据：统一表示与多通道 在处理多维离散数据显示时，我们面临将数据维度映射到符号图形属性的问题。如果使用符号显示，每个实体成为一个图形对象，数据属性映射到每个符号的图形属性。 研究表明，如果我们想快速理解值，可用的视觉属性相当有限。表 5.1 列出了对符号设计可能有用的最有用的低级图形属性。 |视觉变量|维度|注释| | ---- | ---- | ---- | |空间位置|三个维度：X、Y、Z| - | |颜色|三个维度：由颜色对立理论定义|需要亮度对比度来指定所有其他图形属性| |形状|大小和方向是基本的，但可能有更多可用维度|可快速处理的形状维度未知，但数量肯定很少| |表面纹理|三个维度：方向、大小和对比度|表面纹理与形状或方向不独立；使用一个颜色维度| |运动编码|大约两到三个维度；需要更多研究，但相位很关键| - | |闪烁编码|一个维度|运动和闪烁编码高度相互依赖| 许多这些显示维度并非相互独立，例如显示纹理需要至少一个颜色维度（亮度）才能使其可见，闪烁编码会干扰运动编码。总体而言，使用颜色、形状、空间位置和运动来创建最具差异化的集合，我们可能最多能清晰地显示八种类型的维度数据。 每个维度的可分辨步骤数量也很少。在